王维嘉：你的行业是否会被人工智能颠覆？三个标准判断一下

▌每一个创业者都要了解一点人工智能，哪怕你根本不打算涉足。两个原因：

* 你所在的行业随时可能被 AI 颠覆。

* 只有了解机器学习的本质，你才能理解企业家无可替代的优势到底在哪里，以及要怎么发挥自己的优势。

在中欧创业营九期第五模块的课堂上，硅谷风险投资家、畅销书作者，王维嘉博士进行了主题分享。

王维嘉博士师从人工智能鼻祖之一、美国国家工程院院士伯纳德·威德罗教授，对人工智能有着深刻的认知，同时他本人将理论落到实战，在硅谷创业投资30 余年，对人工智能产业有着独到见解，其著作《暗知识：机器认知如何颠覆商业和社会》电子书2019年在“得到”首发曾创下一小时销售5000本的记录，并畅销至今。

精彩观点提前看

* 机器学习的本质是什么？ 其实就是一头奶牛，吃进去数据，挤出来数据之间的关系。
* 只要一个行业能产生大量的数据，数据里面有复杂的关系，这个行业就能被AI改造甚至颠覆。
* 今天的AI还处于非常早期的阶段，相当于互联网在 2000 年的阶段，大部分行业还未被受到AI冲击，是因为AI目前主要运用在全新领域，如自动驾驶、人脸识别。
* AI 是to B的生意，跟to C的互联网相比，不存在“赢家通吃”“一家独大”局面，互联网是淘金，AI是挖深井。
* 人类过去只知道“明知识”，也即能记录的知识，70年前才知道还有 ”默知识”，也即“只可意会，不可言传”的知识。今天机器发现了新的一类知识“暗知识”既不可意会，也不可言传。
* 企业家能够创新创业、做出常人无法做出的决策，往往是“默知识”发挥了作用。

01

人类知识反而是累赘？人工智能揭秘“暗知识”的存在

机器人AlphaGo打败世界围棋冠军一战成名，一时间“人工智能”的概念被推到风口浪尖。

AlphaGo的学习原理是这样的，它把人类历史上几万盘残局学习了一遍，按照人类的路子把人类围棋大师打败了。有趣的是，谷歌工程师又打造了AlphaGoZero，不去学习人类的经验，而是直接告知围棋的规则，让机器人自己练习。经过多次练习，AlphaGo Zero只用了一天半时间就把原来的AlphaGo打败了。

这件事对人类自信心的打击非常之大，震撼也非常大。它说明了，在某些情况下， 人类的知识不仅没有用，反而是累赘。机器人不学习人类的棋谱，反而下得更好。没有人能说清楚为什么AlphaGo Zero不学人类的经验，反而比人类下得更好，这在人工智能上叫做“不可解释性”。很多人工智能呈现出这一特性，比如，机器人可以预测出来这个股票明天涨，至于为什么，机器人说不出来，它只是从大数据中得出了这一结论。

这给了我巨大启发，我开始提出这个问题：“会不会有一类知识是人类根本无法理解的？”这一问题乍一听似乎是悖论，其实答案是肯定的，这一类知识就叫“暗知识”。

02

明知识、默知识与暗知识

传统认知里的知识都是可以用符号表达的。所以回溯历史长河，凡是缺少文字的地方，它的文明就比较原始。因为文字把知识记录了下来，实现了知识的传播。基于这样的认知，过去我们认为，所有的知识都是可以被记录的。

一直到70年前，我们发现了不对，还有另外一类知识是只可意会不可言传的，叫“默知识”。比如说骑自行车，没有人是看完自行车手册学会骑自行车，上了车摔了几次，就摸索出来经验，掌握了这一技能。绘画、音乐、舞蹈、体育都是这样的，通过大量的实践训练才有可能学会。

我们系统地看一下人类知识，可以用两个维度来分析，是否可表达，是否可感受，这样我们可以将知识分为四类：

图来源于《暗知识：机器认知如何颠覆商业和社会》

第一类，明知识，既可表达，又可感受；典型的是浮力定律，阿基米德洗澡时躺在水缸里，水就溢出来了，浮力定律是可以亲身感受到的，浮力定律表达出来的数学公式也非常清晰简单。这一类的定律是典型的明知识。

第二类，明知识，可表达，但不可感受；比如广义相对论，爱因斯坦在1915年左右发表广义相对论，说光线在宇宙中会弯曲。大家都不认同，因为我们无法感受到光线会弯曲。直到1919年日全食，英国国家观测队在南非观测到了光线的弯曲，大家才相信。

记者就此采访爱因斯坦：“如果这次实验没能证明你的理论，你会有什么样的感觉？”爱因斯坦回答说：“我会替上帝感到遗憾。”也就是说，我绝对是对的，你观测不观测，证明不证明，我都是对的，因为我是从数学推出来的。

也就是说，在人类的知识里有一类是从经验上完全不可理解的，甚至跟直观经验完全相反的，但是它是绝对正确的，而且永远不可能被推翻的。

第三类知识，默知识，不可表达，但可以感受；通俗来讲就是“只可意会不可言传”，骑自行车、绘画、察言观色、知人善用等知识都属于此。企业家能够创新、创业、做出常人无法做出的决策，往往是“默知识”发挥了作用。而创新之所以只能是一小撮人做的事情，企业家之所以是无可替代的，也是“默知识”特性导致。

第四类知识，暗知识，既不可表达，也不可感受；今天机器学习就是一种暗知识，暗知识本质上就是大量数据之间的相关性。因为系统太复杂，变量太多，已经远超出人类小脑袋瓜的认知能力。但变量越多，机器学习就越得心应手。无数的机器将不知疲倦地昼夜工作，很快我们就会发现，机器新发掘出来的暗知识会迅速积累，这才是人工智能、机器学习带给我们最革命性的变化。

03

默知识是海面下的冰山 暗知识则是整个海洋

尽管暗知识的这一象限里，我没有做任何列举，但是暗知识的体量非常巨大。

打个简单的比喻，人类几千年来已知的明知识，就是冰山浮在水面上的一角；只可意会不可言传的默知识是水面下的冰山，它的总量要远远大于我们能说出来的知识；而暗知识则是整个海洋，它的量要更大。

为什么默知识和暗知识比人类能表达的东西多得多呢？原因很简单，人类表达能力太差了。一秒钟只能说几个字，但是一秒钟人类在大脑中能形成上千亿个神经元之间的复杂连接，这些根据没有办法用语言或者文字表达出来。这也是马斯克要发明脑机接口的原因，他认为人类的耳朵、眼睛、嘴都是沟通的巨大障碍，直接脑和脑连接起来，速度就快多了，这是发明脑机接口最主要的动因。

04

企业家的“拍脑袋决策” 背后是默知识的力量

在座的企业家应该都阅人无数，用过很多人，也开掉过很多人，你见过很多人以后，对方往那一坐，还没开口，通过这个人的衣着、年龄、言谈举止等各方面透露的信息，你基本上对他已经有了基本的判断。

当然你的判断有时候会错，但是会八九不离十。至于为什么？不知道，你也说不上来。包括有些女性的思考很多也是靠直觉，很快爱上对方，至于为什么来电，也讲不清楚。

其实，很多重大决定都是在信息不完备的时候做的，胜负成败靠的就是默知识。

比如说当时抓本拉登的决定一定要是奥巴马本人做，中情局提供的信息并不是100%确定的，很可能误伤了一个普通的平民家庭，但是决策者必须要做这个决定。

创业者也一样，如果有100%完备可靠的信息，那完全不需要企业家了，机器可以代替你做最全的分析，做最好的决定。企业家，就是在信息不完备，在需要有人承担风险的时候凭借自己的经验、直觉、感觉挺身而出，拍板决定，相信每个做企业的人都深有体会。

过去很多人认为这不科学，不是科学决策，实际上，这才是真正的科学。只是过去人们不知道，有一类知识是不可描述的。

05

创新在企业家大脑里 不在人工智能的算法里

机器学习出来以后，很多人认为，现在不需要用户主动贡献数据就能自主收集到数据。比如说只要分析你的点击和购买记录，机器可能比你更了解自己的喜好。看起来机器可以做很多分析和决策，然而在供给端，创新还是需要靠企业家。

需求方面有很多可以创新的地方，而这些创新全在企业家脑子里头。更重要的是，很多创新在一开始并不知道能不能成功，要有人去冒险，要有人去负这个责任，这个重任就是企业家在承担。至少未知的东西是机器没法收集、统计和计算的。

乔布斯有一句名言：“我从来不做市场调查，我的市场调查就是对着镜子看我自己。”在iPhone出现之前，如果乔布斯跑到大街问路人，你认为你需要什么样的手机。他们的反馈恐怕一点用处都没有，因为iPhone的设计完全是基于乔布斯自己的需求，基于自己对技术的理解发明出来的，不仅不需要做任何调查，而且这个调查只能是错的，没有一个人能告诉他，我希望手机是可以用手滑的。

很多需求，像iPhone，像电动汽车，往往是企业家创造出来的需求，也就是今天我们说的创新经济，新供给学派。消费者自己说不出来，只有东西被创造出来他才知道我还可以用这样一个东西。像这样的东西就是任何数据、任何AI都没有办法统计、计算和预测的，它只能靠人类的大脑。

所谓的大数据能在一些已知需求的地方做统计，仅此而已，创新型经济主依靠企业家。

06

大部分行业还没有开始被AI改造、颠覆

明白了人工智能不能做的事情，那我们继续追问，人工智能能做什么？其产业生态是一个金字塔结构。

图来源于《暗知识：机器认知如何颠覆商业和社会》

最顶端的，我称之为“皇冠”，是算法。人工智能过去十几年能突然火爆，一个重要原因就是在算法上取得了突破。算法虽然是最核心、最重要的，但是它的市场很小。我看了很多算法公司，最后都没投，原因是不知道怎么变现。如今的算法主要集中在高校和大公司里，新的算法一经发表，就成了公共财产，每个人都可以去做。大公司甚至将算法做成开源系统。

第二个层面是芯片；不过其研发成本高、风险大、垄断性强。

第三个层面是软硬件平台；类似计算机操作系统的东西。

最下方的是应用层面；这里的市场规模是最大的，目前大家是投的也主要集中在应用方面，包括大众比较熟悉的自动驾驶、图像识别、语言文字翻译、医疗制药、垂直市场，这里面还包括意外市场。

什么是意外市场？当一个新技术出现的时候，人们对它应用的想象都是线性的。比如说当汽车出现，大家能想象到它会把马车替代掉，但实际上汽车产业给人类带来的变化不止于此，有了汽车以后，高速公路形成网络，人不需要挤在城里了，大家都搬到郊区后，大的购物中心也建起来了。这一系列变化是汽车刚发明的时候想象不到的，这就是我所谓的意外市场。

目前 AI 只是莱特兄弟刚刚把飞机飞离地面，离5马赫超音速还很远。从市场上看，目前受到 AI 冲击的传统行业还很少，大部分行业还没有开始被改造、被颠覆，因为 AI 从业者都忙乎进入哪些没有传统巨头的行业，如人脸识别和自动驾驶等。但是不可否认，AI的想象空间依旧很大。

07

三个标准判断行业是否会被人工智能颠覆

既然AI 的市场还很大，那具体什么行业比较适合人工智能、机器学习？很简单，三个判别标准，

第一，这个行业会产生大量的数据；没有草，牛吃什么？怎么能挤出奶呢？人工智能是建立在大量数据的基础上的。

第二，数据之间有非常复杂的关系；如果只是把空气净化器工作的噪声记录下来，这也是数据，但是这个数据非常简单、单调，没有意义，只是单纯的噪音。有意义且关系复杂的数据，人类处理起来非常艰难，而人工智能就能发挥作用。

第三，这个行业有大量可以改进的地方；也就是说，整个生产服务流程里，还存在非常低效的地方，人工智能可以大大提效。

用这三个标准去判别就可以知道什么行业适合人工智能，比如金融行业就是特别适合，无论是证券、保险和理财都满足以上三个条件，所以用机器学习就可以在这个行业有很好的应用。

08

AI 是toB生意，互联网是to C生意

AI 创新浪潮堪比互联网，但是AI和互联网这两个产业有着本质的区别：AI是to B的生意，互联网是to C的生意。

互联网是过去20年最大的行业，这条赛道里面产生无数的财富，无数个伟大的公司。如今的AI大概在互联网2000年的阶段，因为还没有看到一家像雅虎、谷歌这样的互联网公司爆发性成长，全世界都没有。

这两年AI的投资热度下去了一些，在四五年前，AI公司什么都没有，一张白纸，也能要到一亿美金的估值，为什么会这样呢？因为风险投资人错把AI当成了互联网，把互联网的投资逻辑搬到AI里面去了。

互联网是典型的to C 生意，具有网络效应，最终会导致“赢者通吃”的局面。比如淘宝，商家越多，用户就越多，用户越多，商家也就越多，一旦体量起来，其他竞争对手不可能再起来，微信和微博也都是这个道理。

在这样的逻辑下，你只要投到了第一名公司或者头部公司，比如说出行类的滴滴或者外卖类的饿了么，只要能投到它，不管多贵，都有可能赚钱。所以投资人不嫌贵，砸重金在AI 上。

然而遗憾的是，AI是典型的toB 生意。to B的生意是对企业、对政府，所以根本没有赢者通吃效应，比如说人脸识别公司，一家企业拿下A市公安局的订单，并不能保证也拿下B市公安局的订单，参与竞标的企业都是同一起跑线上，没有谁更有优势。

to B的生意就是传统的生意，需要一单一单去打，一个山头一个山头去攻。互联网是水平的市场，可以在短期内形成垄断，AI则需要深挖井，需要有耐心。当投资人把互联网的投资逻辑拿到AI上，就会造成投资泡沫。

正因为 AI 是to B 的生意，所以AI公司要想变成世界性公司非常难，而这里就存在大量的创业机会。

※ 本文根据王维嘉博士在中欧创业营九期第五模块分享整理而成

整理 | Jessica

编辑 | Maria

1

END

1

☟☟☟ 点击下方标题，获取更多好文

↓点击下方“阅读原文”，了解中欧创业营。